本發(fā)明涉及計(jì)算機(jī)輔助診斷，特別涉及一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法、裝置及終端。

背景技術(shù)：

1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人們的生活水平不斷提高，慢性病的發(fā)病率不斷上升.慢性病是指不構(gòu)成傳染、具有長(zhǎng)期積累形成疾病形態(tài)損害的疾病的總稱。常見(jiàn)的慢性病主要有心腦血管疾病、癌癥、糖尿病、慢性呼吸系統(tǒng)疾病，其中心腦血管疾病包含高血壓、腦卒中和冠心病。其中，高血壓是較為常見(jiàn)的慢性疾病，是心腦血管疾病的主要危險(xiǎn)因素之一，長(zhǎng)期不加控制會(huì)增加心臟病、腦卒中、腎臟疾病等的發(fā)生率。高血壓的癥狀一般不明顯，常常被稱為“無(wú)癥狀病”，但長(zhǎng)期高血壓會(huì)對(duì)身體造成損害，如頭痛、頭暈、視力模糊、耳鳴、心悸等。因此，對(duì)于高血壓的風(fēng)險(xiǎn)預(yù)測(cè)尤為重要。

2、在現(xiàn)有技術(shù)中，隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展，深度學(xué)習(xí)技術(shù)也用于應(yīng)用在預(yù)測(cè)高血壓方面，然而，現(xiàn)有的機(jī)器預(yù)測(cè)高血壓風(fēng)險(xiǎn)的方法數(shù)據(jù)依據(jù)單一，沒(méi)有融合多種指標(biāo)的特征，存在著預(yù)測(cè)精度不夠高的問(wèn)題。

3、因此，現(xiàn)有技術(shù)還有待改進(jìn)和提高。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法、裝置及終端，旨在解決現(xiàn)有技術(shù)中在預(yù)測(cè)高血壓風(fēng)險(xiǎn)等級(jí)時(shí)預(yù)測(cè)精度不夠高的問(wèn)題。

2、本發(fā)明的第一方面，提供一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，包括：

3、構(gòu)建初始模型，所述初始模型含有多個(gè)隱藏層；

4、獲取初始數(shù)據(jù)集，對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，得到目標(biāo)訓(xùn)練集和目標(biāo)支持集，所述初始數(shù)據(jù)集包括多個(gè)高血壓患者的數(shù)據(jù)集；

5、基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，基于所述目標(biāo)支持集進(jìn)行交叉驗(yàn)證以及超參數(shù)調(diào)整，得到目標(biāo)預(yù)測(cè)模型；

6、獲取目標(biāo)數(shù)據(jù)，基于所述目標(biāo)預(yù)測(cè)模型對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到目標(biāo)患者的高血壓風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，所述目標(biāo)數(shù)據(jù)為目標(biāo)患者的高血壓相關(guān)數(shù)據(jù)。

7、在一種實(shí)現(xiàn)方式中，所述構(gòu)建初始模型，包括：

8、基于第一公式構(gòu)建含有k個(gè)隱含層的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；

9、所述第一公式為：

10、

11、其中x＝h(0)為原始數(shù)據(jù)的輸入矩陣，h(k),k＝1,2,l,k為x的第k層深度表示，w(k)為所述初始模型的第k層的權(quán)重。

12、在一種實(shí)現(xiàn)方式中，基于第二公式獲取所述初始模型的第k層的權(quán)重；

13、所述第二公式為：

14、

15、其中v(k)為隨機(jī)賦值矩陣。

16、在一種實(shí)現(xiàn)方式中，所述對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，包括：

17、將所述初始數(shù)據(jù)集中的離散值屬性轉(zhuǎn)換為連續(xù)值屬性得到第一數(shù)據(jù)集；

18、隨機(jī)抽取80％的所述第一數(shù)據(jù)集中的數(shù)據(jù)作為初始訓(xùn)練集，剩余20％的所述第一數(shù)據(jù)集中的數(shù)據(jù)作為初始支持集；

19、獲取所述初始訓(xùn)練集和所述初始支持集中的血壓數(shù)據(jù)，基于所述血壓數(shù)據(jù)對(duì)所述初始訓(xùn)練集和所述初始支持集進(jìn)行分組，得到所述目標(biāo)訓(xùn)練集和所述目標(biāo)支持集，所述血壓數(shù)據(jù)為舒張壓和收縮壓數(shù)據(jù)。

20、在一種實(shí)現(xiàn)方式中，所述基于所述血壓數(shù)據(jù)對(duì)所述初始訓(xùn)練集和所述初始支持集進(jìn)行分組，得到所述目標(biāo)訓(xùn)練集和所述目標(biāo)支持集，包括：

21、基于所述初始訓(xùn)練集和所述初始支持集中的舒張壓、收縮壓提取出來(lái)，采用非線性的方式分成多個(gè)目標(biāo)區(qū)間；

22、基于所述目標(biāo)區(qū)間對(duì)所述初始訓(xùn)練集和所述初始支持集進(jìn)行分組，得到所述目標(biāo)訓(xùn)練集和所述目標(biāo)支持集。

23、在一種實(shí)現(xiàn)方式中，所述基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，包括：

24、構(gòu)建每個(gè)所述目標(biāo)區(qū)間對(duì)應(yīng)的初始區(qū)間影響權(quán)重值；

25、構(gòu)建每個(gè)所述目標(biāo)區(qū)間內(nèi)的初始差異化健康影響權(quán)重值，所述差異化健康影響權(quán)重值包括年齡、性別、種族、地區(qū)、體質(zhì)指數(shù)、家族病史、飲食偏好、運(yùn)動(dòng)頻率、心理健康狀態(tài)以及妊娠狀態(tài)對(duì)應(yīng)的權(quán)重值；

26、基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練后，基于所述目標(biāo)支持集進(jìn)行交叉驗(yàn)證以及超參數(shù)調(diào)整，得到目標(biāo)區(qū)間影響權(quán)重值和目標(biāo)差異化健康影響權(quán)重值。

27、在一種實(shí)現(xiàn)方式中，所述基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，包括：

28、對(duì)于非凸的邏輯回歸損失函數(shù)，構(gòu)建目標(biāo)互補(bǔ)約束優(yōu)化問(wèn)題；

29、所述目標(biāo)互補(bǔ)約束優(yōu)化問(wèn)題為：

30、

31、s.t.g(x)≥0，h(x)≥0，<g(x)，h(x)>≥0；

32、基于極小化熵函數(shù)的光滑近似法求解所述目標(biāo)互補(bǔ)約束優(yōu)化問(wèn)題。

33、本發(fā)明的第二方面，提供一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估裝置，包括：

34、模型構(gòu)建模塊，用于構(gòu)建初始模型，所述初始模型含有多個(gè)隱藏層；

35、數(shù)據(jù)集獲取模塊，用于獲取初始數(shù)據(jù)集，對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，得到目標(biāo)訓(xùn)練集和目標(biāo)支持集，所述初始數(shù)據(jù)集包括多個(gè)高血壓患者的數(shù)據(jù)集；

36、訓(xùn)練模塊，用于基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，基于所述目標(biāo)支持集進(jìn)行交叉驗(yàn)證以及超參數(shù)調(diào)整，得到目標(biāo)預(yù)測(cè)模型；

37、預(yù)測(cè)模塊，用于獲取目標(biāo)數(shù)據(jù)，基于所述目標(biāo)預(yù)測(cè)模型對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到目標(biāo)患者的高血壓風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，所述目標(biāo)數(shù)據(jù)為目標(biāo)患者的高血壓相關(guān)數(shù)據(jù)。

38、本發(fā)明的第三方面，提供一種終端，包括：處理器、與處理器通信連接的存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)適于存儲(chǔ)多條指令，處理器適于調(diào)用存儲(chǔ)介質(zhì)中的指令，以執(zhí)行實(shí)現(xiàn)上述任一項(xiàng)所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法的步驟。

39、本發(fā)明的第四方面，提供一種存儲(chǔ)介質(zhì)，其中，存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，該一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)上述任一項(xiàng)所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法的步驟。

40、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法、裝置及終端，本發(fā)明提供的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法中，在對(duì)目標(biāo)患者進(jìn)行高血壓的風(fēng)險(xiǎn)評(píng)估時(shí)，通過(guò)構(gòu)建含有多個(gè)隱藏層的初始模型，然后獲取包括多個(gè)高血壓患者的初始數(shù)據(jù)集，對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，得到目標(biāo)訓(xùn)練集和目標(biāo)支持集，基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，基于所述目標(biāo)支持集進(jìn)行交叉驗(yàn)證以及超參數(shù)調(diào)整，得到目標(biāo)預(yù)測(cè)模型，最后，獲取目標(biāo)數(shù)據(jù)，基于所述目標(biāo)預(yù)測(cè)模型對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到目標(biāo)患者的高血壓風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，所述目標(biāo)數(shù)據(jù)為目標(biāo)患者的高血壓相關(guān)數(shù)據(jù)。本發(fā)明所提供的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，通過(guò)大數(shù)據(jù)、非線性、中粒度血壓區(qū)間分配的個(gè)人健康分值平方均值評(píng)估算法，融合多種指標(biāo)特征，構(gòu)建目標(biāo)預(yù)測(cè)模型，基于多層級(jí)網(wǎng)絡(luò)模型預(yù)測(cè)患者的高血壓風(fēng)險(xiǎn)，使得預(yù)測(cè)精度更高，預(yù)測(cè)結(jié)果更準(zhǔn)確。

技術(shù)特征：

1.一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述構(gòu)建初始模型，包括：

3.根據(jù)權(quán)利要求2所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，基于第二公式獲取所述初始模型的第k層的權(quán)重；

4.根據(jù)權(quán)利要求1所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，包括：

5.根據(jù)權(quán)利要求4所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述基于所述血壓數(shù)據(jù)對(duì)所述初始訓(xùn)練集和所述初始支持集進(jìn)行分組，得到所述目標(biāo)訓(xùn)練集和所述目標(biāo)支持集，包括：

6.根據(jù)權(quán)利要求5所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，包括：

7.根據(jù)權(quán)利要求1所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，包括：

8.一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估裝置，其特征在于，所述裝置包括：

9.一種終端，其特征在于，所述終端包括：處理器、與處理器通信連接的存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)適于存儲(chǔ)多條指令，所述處理器適于調(diào)用所述存儲(chǔ)介質(zhì)中的指令，以執(zhí)行實(shí)現(xiàn)上述權(quán)利要求1-7任一項(xiàng)所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法的步驟。

10.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法、裝置及終端。方法包括：建初始模型，所述初始模型含有多個(gè)隱藏層；獲取初始數(shù)據(jù)集，對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理，得到目標(biāo)訓(xùn)練集和目標(biāo)支持集，所述初始數(shù)據(jù)集包括多個(gè)高血壓患者的數(shù)據(jù)集；基于所述目標(biāo)訓(xùn)練集對(duì)所述初始模型進(jìn)行訓(xùn)練，基于所述目標(biāo)支持集進(jìn)行交叉驗(yàn)證以及超參數(shù)調(diào)整，得到目標(biāo)預(yù)測(cè)模型；獲取目標(biāo)數(shù)據(jù)，基于所述目標(biāo)預(yù)測(cè)模型對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到目標(biāo)患者的高血壓風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，所述目標(biāo)數(shù)據(jù)為目標(biāo)患者的高血壓相關(guān)數(shù)據(jù)。本發(fā)明提供的基于歷史數(shù)據(jù)的高血壓風(fēng)險(xiǎn)評(píng)估方法通過(guò)融合多種指標(biāo)特征，基于多層級(jí)網(wǎng)絡(luò)模型預(yù)測(cè)患者的高血壓風(fēng)險(xiǎn)，預(yù)測(cè)精度更高，預(yù)測(cè)結(jié)果更準(zhǔn)確。

技術(shù)研發(fā)人員：文振焜,高金花,陳華君,羅素娟
受保護(hù)的技術(shù)使用者：深圳市荔康科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10